Denna kurs är utformad för att ge studenterna de kunskaper och färdigheter som krävs för att bedriva kvalitativ forskning med hjälp av programvara för datorstödd kvalitativ dataanalys (CAQDAS). Studenterna kommer att fördjupa sig i centrala begrepp och metoder som är avgörande för utformning och genomförande av kvalitativ forskning, däribland de teoretiska grunderna för grounded theory och tematisk analys, samt praktiska arbetsflöden med hjälp av CAQDAS-verktyg. Kursen lägger tonvikt på praktisk erfarenhet av ledande programvara, vilket gör det möjligt för studenterna att på ett effektivt sätt koda, organisera och tolka kvalitativa data. Kursen kommer att lägga tonvikt på att använda CAQDAS-verktyg för systematisk kategorisering och koppling av koder, tillämpa nätverksanalys för visuell representation samt förfina tematisk identifiering och tolkning.
En väsentlig del av kursen kommer att fokusera på integrationen av artificiell intelligens (AI) i kvalitativ dataanalys. Studenterna kommer att utforska hur AI, inklusive naturlig språkbehandling (NLP) och stora språkmodeller (LLM), kan underlätta kodning och tematisk analys. Kursen kommer även att behandla tillförlitligheten och de etiska övervägandena kring AI-stödd kvalitativ forskning.
Genom att fullfölja denna kurs kommer studenterna att vara väl förberedda för att tillämpa kvalitativt inriktade forskningsmetoder i sina framtida yrkeskarriärer och därmed bidra på ett meningsfullt sätt till sina respektive discipliner.
Denna kurs är utformad för att förse studenterna med nödvändiga kunskaper och färdigheter för att bedriva kvalitativ forskning med hjälp av programvara för datorstödd kvalitativ dataanalys (CAQDAS). Studenterna kommer att fördjupa sig i centrala begrepp och metoder som är avgörande för utformning och genomförande av kvalitativ forskning, däribland de teoretiska grunderna för grounded theory-metoden och tematisk analys samt praktiska arbetsflöden med hjälp av CAQDAS-verktyg. Kursen lägger tonvikt på praktisk erfarenhet av ledande programvara, vilket gör det möjligt för studenterna att effektivt koda, organisera och tolka kvalitativa data.
Under kursens gång kommer studenterna att få en omfattande förståelse för principerna och arbetsflödena inom datorstödd kvalitativ dataanalys. Detta innefattar att utforska de ontologiska och epistemologiska överväganden som ligger till grund för användningen av CAQDAS, att förstå de olika stadierna i kvalitativ dataanalys samt att tillägna sig de grundläggande funktionerna som är gemensamma för olika CAQDAS-program. Vidare kommer kursen att fokusera på hur man utnyttjar programvarufunktioner för systematisk kategorisering och länkning av koder, med hjälp av tekniker såsom selektiv kodning och ständig jämförelse (inom grundad teori). Användningen av verktyg för nätverksanalys inom CAQDAS kommer också att introduceras för att visuellt åskådliggöra relationer mellan koder och begrepp, vilket i slutändan underlättar en djupare tolkning av data. Utöver detta kommer även tematisk identifiering, förfining och tolkning (inom tematisk analys) att diskuteras.
En väsentlig del av kursen kommer att fokusera på integrationen av artificiell intelligens (AI) i kvalitativ dataanalys. Studenterna kommer att utforska hur AI, inklusive naturlig språkbehandling (NLP) och stora språkmodeller (LLM), kan underlätta kodningen.
Genom att fullfölja denna kurs kommer studenterna att vara väl förberedda för att tillämpa kvalitativt inriktade forskningsmetoder i sina framtida yrkeskarriärer.
Färdigheter (kompetenser) Studenterna ska utforma och genomföra gedigna kvalitativa projekt med hjälp av CAQDAS för dataanalys. De ska tillägna sig tekniska färdigheter inom systematisk kodning, kategorisering och nätverksanalys för att visuellt åskådliggöra samband och förfina teman. Dessutom ger kursen praktisk erfarenhet av att integrera AI (NLP och LLM) i arbetsflöden, samtidigt som man kritiskt granskar de etiska och tillförlitlighetsmässiga utmaningarna med AI-stödd forskning.
Kunskap: Deltagarna kommer att förvärva fördjupade kunskaper om kvalitativa metoder – däribland Grounded Theory och tematisk analys – med stöd av CAQDAS. Kursplanen omfattar de teoretiska grunderna för systematisk kodning och de potentiella utmaningarna med att integrera AI, med särskilt fokus på att upprätthålla konsekvens och metodologisk integritet vid användning av automatiserade verktyg.
Inställning Kursen främjar ett engagemang för etisk datahantering och öppenhet. Studenterna kommer att utveckla ett samarbetsinriktat tankesätt och använda digitala verktyg för att tillsammans med sina kurskamrater lösa problem. Slutligen kommer de att utveckla ett kritiskt perspektiv och lära sig att urskilja de specifika styrkorna och begränsningarna hos både CAQDAS- och AI-teknik i olika forskningssammanhang.
Det finns inga särskilda förkunskapskrav för denna kurs, eftersom den inleds med grundläggande begrepp och gradvis introducerar viktiga kvalitativa forskningsmetoder. Kursen är utformad för deltagare på alla nivåer, även de som saknar tidigare erfarenhet av empirisk forskning.
Babbie, E. R. (2014). The practice of social research. Cengage Learning.
Bryman, A. (2016). Social research methods. Oxford University Press.
May, T., & Perry, B. (2022). Social research: Issues, methods and process. McGraw-Hill Education.
Neuman, W. L. (2014). Social research methods: Qualitative and quantitative approaches. Pearson Education Limited.
Med fokus på studentcentrerat lärande, tvärgående färdigheter, tvärvetenskapliga och forskningsbaserade kompetenser samt teknikstödda pedagogiska principer är denna kurs utformad för att ge studenterna en heltäckande och praktisk förståelse för kvalitativa forskningsmetoder med hjälp av CAQDAS-verktyg.
Studenterna kommer att delta i interaktiva föreläsningar, diskussioner och gruppaktiviteter som uppmuntrar till aktivt deltagande och kritiskt tänkande. Regelbundna återkopplingssessioner kommer att genomföras för att ta itu med individuella inlärningsbehov och framsteg, vilket säkerställer att varje student får personlig vägledning. Dessutom kommer ett system för kamratgranskning att införas där studenterna utvärderar varandras arbeten ur olika disciplinära perspektiv. Detta tillvägagångssätt uppmuntrar till kritisk utvärdering och konstruktiv återkoppling ur olika synvinklar, vilket därmed förbättrar forskningens kvalitet och fördjupar studenternas förståelse för tvärvetenskapliga tillvägagångssätt.
För att förbättra studenternas tvärvetenskapliga färdigheter kommer kursen att utveckla deras förmåga att presentera forskning och analysera resultat på ett tydligt och effektivt sätt, både skriftligt och muntligt, genom regelbundna presentationer, kamratgranskningar och återkopplingssessioner.
För att ytterligare utveckla studenternas forskningsfärdigheter kommer kursen att fokusera på en fördjupad utforskning av nyckelbegrepp och metoder som är avgörande för utformning och genomförande av kvalitativ forskning. Detta innefattar praktisk erfarenhet av kvalitativa forskningsmetoder, såsom kodning, tematisk analys och användning av CAQDAS-verktyg. Studenterna kommer även att utforska integrationen av AI i kvalitativ dataanalys och förvärva praktiska färdigheter i att använda NLP och LLM för kodning och tematisk analys.
För att berika de teknikstödda lärandeupplevelserna kommer digitala verktyg och resurser att integreras, däribland onlinedatabaser, programvara för kvalitativ analys och virtuella samarbetsplattformar.
Studieutdrag